day3

Author: minye

docs/2deep_ml_ops/cnn-beispiel.ipynb

@@ -220,7 +220,7 @@
     "\n",
     "\n",
     "  Die am häufigsten verwendete Art der Faltung ist die 2D-Faltungsschicht und wird üblicherweise als conv2D abgekürzt. Ein Filter oder ein Kernel in einer conv2D-Schicht „gleitet“ über die 2D-Eingangsdaten und führt eine elementweise Multiplikation durch. Das Ergebnis ist die Summierung der Ergebnisse zu einem einzigen Ausgabepixel.\n",
-    "\n",
+    "  \n",
     "  Parameter bei der Erstellung einer Conv2D Schicht:\n",
     "\n",
     "  1. 32: Anzahl von Filtern in dieser Convolution-Schicht. Hierfür wird immer empfohlen, Potenzen von 2 als Werte zu verwenden.\n",

docs/2deep_ml_ops/neural-net.rst

@@ -40,6 +40,10 @@ Fortgeschrittene Deep-Learning-Techniken:
 
 * Convolutional Neural Networks (CNNs) für **Bildverarbeitung**.
 
+Eine gute dynamische Darstellung, wie das Zusammenspiel zwischen den Schichten 
+bei einem CNN funktioniert, kann in diesem Video gefunden werden: 
+https://www.youtube.com/watch?v=ip2HYPC_T9Q 
+
 * Recurrent Neural Networks (RNNs) für **Sequenz- und Textverarbeitung**.
 
 * Transformer-Modelle für **NLP (z. B. BERT, GPT).**